Ginkgo Bioworks與OpenAI合作，展示了一種人工智能系統，該系統可以自主設計，執行和學習生物實驗，最大限度地減少人類參與;公司報告稱，該系統將無細胞蛋白質合成反應成本降低了40%; GPT-5驅動的自主實驗室執行了36，000多項實驗

Ginkgo Bioworks（紐約證券交易所代碼：DNA）今天宣佈，它已經與OpenAI合作，展示了一種人工智能系統，該系統可以自主設計，執行和學習生物實驗，最大限度地減少人類參與。在一份新的預印本中，該公司報告説，該系統將無細胞蛋白質合成反應成本相對於最先進水平降低了40%，同時在六個迭代循環中運行36，000個實驗條件。該研究代表了Ginkgo自主實驗室的現實科學應用。合作者將OpenAI的GPT-5推理模型與Ginkgo的雲實驗室基礎設施相結合，該基礎設施由其可重構自動化車（RAC）技術和Catalyst自動化軟件構建，以迭代的閉環工作流設計，執行和分析實驗。GPT-5擁有互聯網訪問權限、一臺帶有數據分析包的計算機、來自之前迭代的實驗（Meta）數據以及描述最新技術水平的預印本，並且能夠像實驗科學家一樣操作-設計實驗、分析結果並改進其方法作為迴應。在六個月的六輪實驗中，它能夠設計出比之前科學文獻中所示成本更低的無細胞蛋白質合成反應組合物。

「通過將前沿大型語言模型與自主實驗室配對，我們發現了比先前最先進技術明顯便宜的反應成分，」Ginkgo Bioworks聯合創始人、該研究的合著者雷什瑪·謝蒂（Reshma Shetty）説。「我們預計越來越多的實驗將在自主實驗室進行，這些實驗室的試劑和消耗品成本主導了實驗成本。用於蛋白質生產的試劑成本較低，可以生成更多的數據，因此每花費一美元就可以取得更多的科學進步。"

自主實驗室實現了標準基準蛋白質，超級摺疊綠色熒光蛋白（sfGFP）的生產，總反應組分成本為每克蛋白質422美元，而之前報道的最新水平為每克698美元，在所述實驗條件下降低了40%。無細胞蛋白質合成廣泛應用於生物研究，但受到高材料成本和複雜優化的限制，使其成為自主實驗的理想壓力測試。

OpenAI生命科學研究負責人、該研究的聯合通訊作者Joy Jao表示：「在OpenAI，這是我們第一次能夠將前沿模型與自主實驗室對接，以進行大規模的實驗。」「這一成功表明人工智能系統如何增強實驗工作流程，有助於基於現實世界數據的假設生成、測試和細化。"

該自主實驗室執行了580多個384孔板，測試了36，000種反應成分，並生成了近150，000個實驗數據點。人工參與主要限於試劑製備、裝載和卸載以及系統監督，而實驗設計、執行數據解釋和假設生成則由GPT-5驅動的自主實驗室處理。值得注意的是，該模型還提出並優先考慮了新的試劑進行測試，其中一些試劑獨立地預測了它尚未獲得的已發表研究的結果。

爲了防止人工智能提出不切實際、無效或幻覺的實驗，每個設計在執行之前都針對Pydantic模型進行驗證，包括檢查平板佈局、標準、對照、複製、試劑可用性和體積限制。只有通過驗證的實驗纔有資格運行。額外的評分優先考慮科學嚴謹性和對先前結果的考慮。GPT-5生成了人類可讀的實驗室筆記本條目，記錄了其分析、觀察結果和原理，為其推理提供了透明度。

「這是人工智能進行真正的實驗科學：設計實驗、運行實驗並從結果中學習，」Ginkgo Bioworks聯合創始人兼首席執行官Jason Kelly説。「人工智能與自主實驗室相結合是保持美國在全球科學領域的競爭力的必要條件--美國能源部最近宣佈的將人工智能帶入科學的Genesis Mission正在引領這一進程，我很高興我們的OpenAI結果表明這種方法正在發揮作用。"